如何用Pandas DataFrame.groupby()对气象数据按连续季节集群分组？

这个问题我之前也碰到过！普通的groupby('season')确实会把所有相同季节的数据捏到一起，不管它们是不是连续的时间段。要实现按连续的季节集群分组，核心是给每一段连续的相同季节分配一个唯一的标识，然后用这个标识来分组。

第一步：确保数据按时间排序 #

这是前提！如果你的数据不是按时间顺序排列的，连续季节的判断就会完全出错。假设你的DataFrame有一个日期列（比如date），先排序：

df = df.sort_values('date').reset_index(drop=True)

第二步：创建连续季节集群的标识列 #

我们可以通过比较当前行和上一行的season值，标记季节变化的位置，然后对这些变化点累加，得到每个连续集群的唯一ID：

# 标记当前行与上一行季节不同的位置
df['season_changed'] = df['season'] != df['season'].shift()
# 累加变化点，生成唯一的集群ID
df['season_cluster'] = df['season_changed'].cumsum()

简单解释下：shift()会把上一行的season值移到当前行，和当前行比较——不同就返回True（等价于1），相同返回False（等价于0）。cumsum()会把这些1累加，每次遇到季节变化时，集群ID就加1，这样同一段连续的季节会共享同一个ID。

第三步：按集群ID分组 #

现在用season_cluster来分组，就能得到每一段连续的季节数据了：

# 按集群分组，计算每个连续季节的降雨量统计，比如求和/均值
grouped_rainfall = df.groupby('season_cluster')['rainfall'].agg(['sum', 'mean'])

如果想同时保留季节信息，可以把season和season_cluster一起作为分组键：

grouped_with_season = df.groupby(['season', 'season_cluster'])['rainfall'].agg(['sum', 'mean'])

举个实际例子 #

假设你的原始数据是这样的：

处理后season_cluster列会变成：

这样分组后，两个winter段就会被分成独立的组（cluster 1和cluster 3），完美解决你的需求！

注意事项 #

• 如果你的season列有缺失值，建议先处理（比如用df.dropna(subset=['season'])删除，或者填充合理值），不然shift()后的比较会出现NaN，导致集群ID生成错误。
• 如果你的数据已经是按时间排序的，那第一步的排序可以省略，但最好还是加上，避免意外情况。

内容的提问来源于stack exchange，提问作者mcmahonS9